deep artificial neural networks | BriefGPT

关键词deep artificial neural networks

搜索结果 - 12

教育数据科学的深度学习
深度学习应用于教育数据科学的调查和讨论，主要涉及深度神经网络、知识追踪模型和自动情感与行为检测器等领域。
PDF3 months ago
人工智能系统的演绎模型若无良好解释则不足
基于机器学习和深度神经网络的研究，讨论了其对逼近复杂函数的有效性，但常常缺乏透明度和解释力这些局限性。文章强调归纳问题：过去的观察未必能够准确预测未来事件，这是机器学习模型在遇到新的未知数据时所面临的挑战。文章主张不仅要进行预测，还要提供良
PDF6 months ago
深度神经网络的稀疏感知泛化理论
本文研究了深度神经网络的泛化能力和节点稀疏性之间的关系，通过开发一个基于减小的有效模型大小的框架来证明了稀疏和泛化之间的基本权衡关系，并提出了一种新的方法来分析这个问题。
PDFa year ago
基于发育可塑性启发的深度脉冲和人工神经网络自适应修剪
本文提出了一种发育可塑性启发的自适应剪枝方法，可以动态优化神经网络结构，使其学习效率和速度得到持续和显著的提高，尤其是对于神经形态学数据集的脉冲神经网络而言。
PDF2 years ago
神经组合计算：从认知中心的悖论到新一代人工智能系统
通过使用神经组合计算的有限形式，人工智能系统正在变得更加强大、准确和易理解，而新的、更深层次的神经组合计算形式将进一步提高人工智能系统的表现。
PDF2 years ago
IJCAIDDDM：脑启发式框架用于稳健分类
通过结合 Dropout 和 Drift-Diffusion Model，提出了 DDDM 模型，使深度神经网络更具鲁棒性，从而在图像、语音和文本分类任务中表现出较高的性能和抗对抗攻击的能力。
PDF2 years ago
使用 TCGA 诊断幻灯片进行 DenseNet 的组织病理图像表示微调和训练
本文提出一种新的神经网络 KimiaNet，通过使用大量组织病理学图像，比较 KimiaNet、DenseNet 和 CBR 网络的性能，并发现 KimiaNet 对于表征组织病理学图像是优越的。
PDF3 years ago
稳健识别深度神经网络的最小样本下纠缠权重的稳定恢复
本文介绍了一种基于纠缠权重的神经网络稳定可靠的识别算法，并对其在神经网络参数压缩和网络训练等方面的应用进行了探讨。
PDF3 years ago
基于神经网络的时间序列分类数据增强实证调查
本论文调研了时间序列数据增强技术及其在神经网络时间序列分类中的应用，其中提出了四种基于变换、模式混合、生成模型和分解方法的方法，并在 128 个时间序列分类数据集上使用六种不同类型的神经网络对 12 种时间序列数据增强方法进行了实证评估，
PDF4 years ago
神经网络深度证明在具有恒定扩散和非线性漂移系数的 Kolmogorov 偏微分方程数值逼近中克服了维度灾难
这篇论文揭示了深度人工神经网络在 Kolmogorov PDEs 数值逼近中克服了维数灾难的现象。我们证明了所用 DNN 模型的参数数量在 PDE 维数 d 和逼近精度的倒数 ε 的倒数中，最多呈多项式增长。
PDF6 years ago
深度神经进化：遗传算法是训练深度神经网络进行强化学习的竞争性替代方案
我们证明了遗传算法可以在深度人工神经网络上实现良好的性能表现，即使没有梯度信息支持，我们使用深度遗传算法结合新颖搜索技巧在具有挑战性的深度强化学习问题上获得了成功，并且速度比其他算法更快，能够实现高效编码。
PDF7 years ago
利用通用数据增强改进深度学习
该研究基于对简单的 CNN 使用几何和光度扩增方案的试验性结果，通过 4 折交叉验证考察了不同的数据扩增方案，并证明 crop 扩增在几何扩增方案中可以显著提高 CNN 任务性能。
PDF7 years ago